基于YOLOv5网络的复杂雷达脉内调制类型快速识别方法

近年来雷达系统的抗截获能力快速发展,信号体制变得非常复杂,给空间态势感知信号处理带来困难。针对实际场景中极可能出现的多信号时频域交叠难以识别的问题,提出基于时频分析和深度神经网络的脉内特征识别的方法,利用时频分析手段将不同类型雷达信号转换为时频图像,基于深度学习的YOLOv5网络对不同混合交叠的雷达脉冲信号时频图开展研究。结果表明：在不同信噪比下,实现对两调相信号、三调频信号及调相与调频信号3种交叠情况的混合雷达信号脉内调制方式的检测与识别,信号调制体制识别准确率均达到95%以上。本文分析结果可为空间态势感知信号处理提供参考。